非线性自适应控制理论清华大学

针对一类同时具有参数和非参数不确定性的高阶非线性系统,开发了一种自适应学习控制算法。 未知的时变参数是通过周期性重复学习策略估算的。 为了解决非参数不确定性,未知的周期性参考输入信号通过有限傅立叶级数

针对一类不确定的随机非线性大系统,提出了一种自适应模糊分散控制方法。 模糊逻辑系统用于近似未知的非线性,而后推技术则用于构建自适应模糊分散控制器。 结果表明,所提出的控制方案保证了所有闭环系统都是半全

一类受扰非线性系统的自适应动态面控制

高阶非线性多主体系统的分布式自适应遏制控制

时变非线性系统的特征模型与自适应迭代学习控制

时变不确定非线性系统自适应滑模跟踪控制

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要

一类非线性时滞系统的鲁棒模糊自适应控制

针对一类非线性不确定系统, 提出一种高阶滑模自适应控制算法. 为减少系统抖振和不确定边界未知但有 界问题, 引入可在线调整参数的双极sigmoid 函数和控制器增益. 利用Lyapunov 理论证明系

改进了原有的E2滤波自适应逆控制系统, 引入自适应扰动消除器和反馈补偿, 构成一种新的自适应逆控制 系统. 反馈补偿能消除自适应逆控制系统中的直流零频漂移, 自适应扰动消除器能最大限度地消除扰动. 将